HashMap的结构
参数
静态常量参数
// 默认容量为16，hashmap的容量必须是2的正次幂
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
// 最大容量，2^30
static final int MAXIMUM_CAPACITY = 1 << 30;
// 装载因子，用于判断是否需要扩容
static final float DEFAULT_LOAD_FACTOR = 0.75f;
// 链表转换为红黑树的阈值
static final int TREEIFY_THRESHOLD = 8;
// 红黑树转为链表的阈值
static final int UNTREEIFY_THRESHOLD = 6;
// 当哈希表中的容量大于这个值时，表中的桶才能进行树形化。否则桶内元素太多时会扩容，而不是树形化。
static final int MIN_TREEIFY_CAPACITY = 64;
属性参数
// hash桶，数组长度是2的整次幂
transient Node<K,V>[] table;
// 元素缓存set
transient Set<Map.Entry<K,V>> entrySet;
// 元素个数
transient int size;
// 修改次数，包括添加删除
transient int modCount;
// 扩容的阈值，当size大于threshold进行扩容
int threshold;
// 装载因子=(size/capacity),即所有元素比上桶的数量，默认0.75
final float loadFactor;
构造方法
//默认的构造方法，默认加载因子为0.75，默认构造方法初始化时不指定大小，在HashMap初始化时使用默认大小DEFAULT_INITIAL_CAPACITY
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
//指定大小，使用默认的加载因子0.75
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
//指定大小个装载因子
public HashMap(int initialCapacity, float loadFactor) {
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
this.loadFactor = loadFactor; //设定装载因子
// 1. HashMap中没有表示数组长度的参数，获取数组长度通过table.length获取
// 2. 因为没有表示长度的参数，所以使用threshold暂时表示数组的长度
this.threshold = tableSizeFor(initialCapacity);
}
HashMap中table数组长度是2的整次幂，通过如下实现
- 初始化时，通过tableSizeFor方法计算给定大小initialCapacity的最小的大于等于initialCapacity的2的整次幂，再通过threshold参数暂时表示数组长度。
//该方法实现：返回最小的大于等于输入参数cap的2的整次幂。
//原理如下:
/* 先来假设n的二进制为01xxx…xxx
* 对n右移1位：001xx...xxx，再位或：011xx...xxx
* 对n右移2为：00011...xxx，再位或：01111...xxx
* 每一操作就是将1的个数翻倍
* 该算法就是将最高位的1后面的位全变为1。
* 最后再n+1就可以得到2的整次幂了
*
* 而对于最开始的int n = cap-1是针对cap本身就是2的整次幂这种特殊情况
* 例如：当给定16，即10000时，若不减1，先会得到11111，再加1，得到100000，为32，扩大二倍
*/
static final int tableSizeFor(int cap) {
int n = cap - 1;
n |= n >>> 1;
n |= n >>> 2;
n |= n >>> 4;
n |= n >>> 8;
n |= n >>> 16;
return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}
- 在resize方法中，每次扩容都会将数组长度扩大二倍
if (oldCap > 0) {
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY) // oldCap左移一位，即扩大二倍
newThr = oldThr << 1; // 新的threshold为旧值的二倍
}
HashMap的辅助方法
HashMap有几个非常重要的辅助方法
hash机制
//1. h = key.hashCode()取key的hashCode值，32位整数。
//2. h >>> 16将hashCode无符号右移，即将高16位放在低16位上
//3. 将1和2的结果或，即hashCode的高16位与低16位或的结果放在低16位，高16位不变
//4. 高16位与低16与的好处就是可以使用hashcode的所有特征，增加随机性，利于数据分散
static final int hash(Object key) {
int h;
//无符号右移，左边部分总是以0填充，右边部分舍弃
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
//下面是定位取数操作(选自put方法)，n表示数组的长度
//位置结果为n减1再与hash值与，分析如下
//1. n为2的整次幂，例如10000，减一之后为01111，设1的个数为x
//2. (n-1)与hash与，即保持后x位不变，前(32-x)位全为0，而后x位的值表示的就是该元素的下标
tab[i = (n - 1) & hash]
例如，一个值经过hash之后为10100101 11000100 00100101，当前长度为16，即n-1=15，所以有如下结果
10100101 11000100 00100101
& 00000000 00000000 00001111 //15
----------------------------------
00000000 00000000 00000101 //高位全部归零，只保留末四位
将数组长度设置为2的整次幂，当减1之后，得到的数就像一个掩码一样，取后面几位。
整体过程如下：
扩容机制
扩容机制可以保证table长度始终是2的整次幂，扩容函数除了将数组扩大二倍之外，在初始化数组中也会应用到。
在resize函数中，会先创建一个扩容后的数组，然后再将原来的数据移动到新的数组中，如下：
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
// 第一步是计算新的数组长度和扩容阈值，分为三种情况
// 1. 已经初始化过数组，只需要将长度扩大二倍，扩容阈值扩大二倍，注意要检查是否超出最大的范围
if (oldCap > 0) {
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 先将数据长度扩大二倍，再将扩容阈值扩大二倍
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1;
}
// 下面两种情况是还没有初始化数组，现在要先进行初始化
// 2. 对于HashMap(int initialCapacity)，HashMap(int initialCapacity, float loadFactor)，这两种情况均指定了threshold,大小为2的整次幂，即代表数组的长度，将扩容阈值复制给数组长度
else if (oldThr > 0)
newCap = oldThr;
else {
// 3. 对于默认情况，仅定义了loadFactor，初始化为默认大小，扩容阈值=数组长度*扩容因子
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 继续接情况2，2情况下只指明了数组大小，没有指明扩容阈值，下面计算扩容阈值
if (newThr == 0) {
// 计算扩容阈值
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
// 根据新长度new出一个数组
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
// 如果是第一次放元素，即oldTab为null，会直接返回新创建的数组
// 第二步，将老数组中的元素移动到新数组中
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
// 获取老数组中的元素
if ((e = oldTab[j]) != null) {
// 将老数组清空，垃圾回收
oldTab[j] = null;
// 将老数组中元素移动到新数组也分为三种情况
//1. 桶中只有一个元素
if (e.next == null)
// 计算在数组中的位置的方法和之前一样
// 注意这里是新的数组的长度，在二进制表示上，相当于多了一位1，会有下面两种情况
// 假设，之前数组长度为16（15=1111），现在为32（31=11111）
//（1）当其hash值第5位为1，则在新位置比老位置多了oldCap的长度
//（2）当其hash值第5位为0，则在老位置不变换
newTab[e.hash & (newCap - 1)] = e;
// 2. 桶中结构是红黑树
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else {
// 3. 桶中结构是链表
// 和桶中只有一个元素的情况一样，判断多出来的一位是0还是1
/** 首先是先将老数组的元素分发到两个链表中
* 多出的一位为0，将数据放在lohead，loTail链表中
* 多出的一位为1，将数据放在hiHead，hiTail链表中
*/
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
// 链表中下一个节点
next = e.next;
// 将多出一位为0的数，移动到头元素是loHead，尾元素是loTail的链表中
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
// 将多出的一位为1的数，放在头元素是hiHead，尾元素是hiTail的链表中
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
// 将上述的两个链表放在对应的桶中，并且不会改变数据的相对位置
// 多出一位为0的，在原位置不动
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
// 多出一位为1的，新位置比原位置大了oldCap
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
上诉判断新坐标过程如下：
- 扩容前长度为16，key1的坐标为5，key2的坐标为5
- 扩容后长度为32，key1的坐标为5，key2的坐标为21
 {
return putVal(hash(key), key, value, false, true);
}
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab;
Node<K,V> p;
int n, i;
// 数组还未初始化，调用resize()方法，返回初始化的数组
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// 下面开始存放元素，分为3种情况
// 1. 桶中没有任何元素，直接放
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e;
K k;
// 仍然对应第一种情况，如果存在元素，key也相同，替换元素即可
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 2. 桶中有元素，结构为红黑树
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// 3. 桶中有元素，结构为链表
for (int binCount = 0; ; ++binCount) {
// 添加到链表尾部
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
// 如果超过树形化的阈值，尝试将链表转为红黑树
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
// 找到key相同的值
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
// 当找到key相同时，替换元素
if (e != null) {
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
// 判断是否需要扩容
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
删除
public V remove(Object key) {
Node<K,V> e;
return (e = removeNode(hash(key), key, null, false, true)) == null ?
null : e.value;
}
final Node<K,V> removeNode(int hash, Object key, Object value,
boolean matchValue, boolean movable) {
Node<K,V>[] tab;
Node<K,V> p;
int n, index;
if ((tab = table) != null && (n = tab.length) > 0 &&
(p = tab[index = (n - 1) & hash]) != null) {
Node<K,V> node = null, e;
K k;
V v;
// 删除分为三种情况，分两步
// 第一步先找到要删除的元素
// 1. 当桶中第一个即为删除元素时
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
else if ((e = p.next) != null) {
// 2. 当桶中结构为红黑树时
if (p instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
// 3. 当桶中结构为链表时，遍历
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
// 第二步删除找到的元素，也是分为红黑树，链表，桶中第一个元素三种情况
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
else if (node == p)
tab[index] = node.next;
else
p.next = node.next;
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}
查找
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab;
Node<K,V> first, e;
int n;
K k;
// 查找分为三种情况
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
// 1. 桶中第一个元素即为查找的元素
if (first.hash == hash &&
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
// 2. 桶中结构为红黑树
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
// 3. 桶中结构为链表，遍历
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
